2. Содержание
Введение
Классические методы
Билатеральная фильтрация
Сегментация
Временная корреляция
Заключение
2
CS MSU Graphics & Media Lab (Video Group)
3. Постановка задачи
Даны два последовательных изображения:
Необходимо найти векторное поле u(x),
задающее соответствие точек изображений,
например:
3
CS MSU Graphics & Media Lab (Video Group)
4. Исходные изображения
Последовательность «Mequon»
S. Baker et al. A database and evaluation methodology for optical flow. 4
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
5. Пример optical flow
Последовательность «Mequon»
S. Baker et al. A database and evaluation methodology for optical flow. 5
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
6. Содержание
Введение
Классические методы
Билатеральная фильтрация
Сегментация
Временная корреляция
Заключение
6
CS MSU Graphics & Media Lab (Video Group)
7. Локальные методы
Gradient constraint equation:
Локальный метод Lucas & Kanade:
Вектор смещения ищется в каждой точке
независимо.
J. Barron et al. Performance of optical flow techniques. 7
CS MSU Graphics & Media Lab (Video Group) International Journal of Computer Vision, 1994.
8. Исходные изображения
Последовательность «Army»
S. Baker et al. A database and evaluation methodology for optical flow. 8
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
9. Ground truth
Последовательность «Army»
S. Baker et al. A database and evaluation methodology for optical flow. 9
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
10. Результат метода L&K
Последовательность «Army»
S. Baker et al. A database and evaluation methodology for optical flow. 10
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
11. Глобальные методы
Глобальный метод Hork & Schunck:
Сглаживает поле независимо от структуры
движения.
J. Barron et al. Performance of optical flow techniques. 11
CS MSU Graphics & Media Lab (Video Group) International Journal of Computer Vision, 1994.
12. Ground truth
Последовательность «Army»
S. Baker et al. A database and evaluation methodology for optical flow. 12
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
13. Результат метода H&S
Последовательность «Army»
S. Baker et al. A database and evaluation methodology for optical flow. 13
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
14. Исходные изображения
Последовательность «Wooden»
S. Baker et al. A database and evaluation methodology for optical flow. 14
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
15. Ground truth
Последовательность «Wooden»
S. Baker et al. A database and evaluation methodology for optical flow. 15
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
16. Результат метода H&S
Последовательность «Wooden»
S. Baker et al. A database and evaluation methodology for optical flow. 16
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
17. Объективное сравнение
Средняя угловая ошибка (average angular error)
Average endpoint error
S. Baker et al. A database and evaluation methodology for optical flow. 17
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
18. Сравнение качества
ААЕ Army Mequon Schefflera Wooden Yosemite Teddy
Lucas & Kanade 13,9 24,1 20,9 22,2 6,41 25,6
Horn & Schunck 8,0 9,1 14,2 12,4 4,01 9,2
AEPE Army Mequon Schefflera Wooden Yosemite Teddy
Lucas & Kanade 0,39 1,67 1,50 1,57 0,30 3,80
Horn & Schunck 0,22 0,61 1,01 0,78 0,16 1,51
S. Baker et al. A database and evaluation methodology for optical flow. 18
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
19. Исходные изображения
Последовательность «Yosemite»
S. Baker et al. A database and evaluation methodology for optical flow. 19
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
20. Ground truth
Последовательность «Yosemite»
S. Baker et al. A database and evaluation methodology for optical flow. 20
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
21. Результат метода L&K
Последовательность «Yosemite»
S. Baker et al. A database and evaluation methodology for optical flow. 21
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
22. Результат метода H&S
Последовательность «Yosemite»
S. Baker et al. A database and evaluation methodology for optical flow. 22
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
23. Требования к optical flow
Определение сильного движения
Устойчивость к изменениям яркости
Корректная обработка разрывов
Отдельная обработка областей
наложения объектов
Устойчивость к шуму
Стабильность во времени
23
CS MSU Graphics & Media Lab (Video Group)
24. Содержание
Введение
Классические методы
Билатеральная фильтрация
Сегментация
Временная корреляция
Заключение
24
CS MSU Graphics & Media Lab (Video Group)
25. Основные идеи
Анизотропное сглаживание поля
Особая обработка областей
наложения объектов
Применение билатерального фильтра
для сглаживания поля
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 25
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
26. Основа метода
Глобальный метод с анизотропным
сглаживанием:
Собственные значения:
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 26
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
27. Минимизация
Итеративная минимизация:
Разбиение на два шага:
Альтернативное представление второго шага:
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 27
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
28. Анизотропное
сглаживание
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 28
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
29. Определение
наложений объектов
Функция-индикатор наложения объектов:
Гладкий аналог:
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 29
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
30. Обработка наложений
Особая обработка областей наложения:
Условие гладкости одинаково для всех
областей:
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 30
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
31. Билатеральная
фильтрация поля
Билатеральный фильтр:
Исходное размытие:
Применение билатерального фильтра:
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 31
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
32. Билатеральная
фильтрация поля
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 32
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
33. Исходные кадры
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 33
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
34. Области наложения
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 34
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
35. Optical flow
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 35
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
36. Исходные кадры
Последовательность «Football»
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 36
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
37. Области наложения
Последовательность «Football»
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 37
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
38. Optical flow
Последовательность «Football»
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 38
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
39. Результат
Последовательность «Yosemite»
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 39
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
40. Ground truth
Последовательность «Yosemite»
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 40
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
41. Результаты
ААЕ Army Mequon Schefflera Wooden Yosemite Teddy
Lucas & Kanade 13,9 24,1 20,9 22,2 6,41 25,6
Horn & Schunck 8,0 9,1 14,2 12,4 4,01 9,2
Bilateral — — — — 2,57 —
Производительность Конфигурация Время на один кадр, с
Bilateral CPU Intel Xeon 3,6 ГГц 4,0
J. Xiao et al. Bilateral filtering-based optical flow estimation with occlusion 41
CS MSU Graphics & Media Lab (Video Group) detection. ECCV, 2006.
42. Содержание
Введение
Классические методы
Билатеральная фильтрация
Сегментация
Временная корреляция
Заключение
42
CS MSU Graphics & Media Lab (Video Group)
43. Основные идеи
Использование цветовых компонент
при расчѐте optical flow
Цветовая сегментация
Параметрическая модель для каждого
сегмента
Уточнение на основе первого
приближения
L. Xu et al. A segmentation based variational model for accurate optical 43
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
44. Схема метода
L. Xu et al. A segmentation based variational model for accurate optical 44
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
45. Первое приближение
Используется глобальный метод:
L. Xu et al. A segmentation based variational model for accurate optical 45
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
46. Первое приближение
Последовательность «Teddy»
L. Xu et al. A segmentation based variational model for accurate optical 46
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
47. Сегментация
Алгоритм Mean Shift
Два этапа:
1. Цветовая сегментация
2. Подразбиение на основе optical flow
L. Xu et al. A segmentation based variational model for accurate optical 47
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
48. Параметрическая
модель движения
Параметрическая модель движения для
каждого сегмента:
Суммарная энергия:
L. Xu et al. A segmentation based variational model for accurate optical 48
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
49. Первое приближение
Последовательность «Teddy»
L. Xu et al. A segmentation based variational model for accurate optical 49
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
50. Уточнение optical flow
Последовательность «Teddy»
L. Xu et al. A segmentation based variational model for accurate optical 50
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
51. Ground truth
Последовательность «Teddy»
S. Baker et al. A database and evaluation methodology for optical flow. 51
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
52. Определение
наложений объектов
Optical flow вычисляется от первого кадра ко
второму и наоборот:
На основе прямого и обратного полей
вычисляется индикатор наложения объектов:
L. Xu et al. A segmentation based variational model for accurate optical 52
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
53. Попиксельное доверие
Попиксельная функция доверия к optical flow:
L. Xu et al. A segmentation based variational model for accurate optical 53
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
54. Посегментное доверие
Посегментная функция доверия к optical flow:
Результирующая функция доверия к
optical flow:
L. Xu et al. A segmentation based variational model for accurate optical 54
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
55. Confidence map
Последовательность «Teddy»
L. Xu et al. A segmentation based variational model for accurate optical 55
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
56. Исходные изображения
Последовательность «Schefflera»
S. Baker et al. A database and evaluation methodology for optical flow. 56
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
57. Первое приближение
Последовательность «Schefflera»
S. Baker et al. A database and evaluation methodology for optical flow. 57
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
58. Уточнение optical flow
Последовательность «Schefflera»
S. Baker et al. A database and evaluation methodology for optical flow. 58
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
59. Ground truth
Последовательность «Schefflera»
S. Baker et al. A database and evaluation methodology for optical flow. 59
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
60. Confidence map
Последовательность «Schefflera»
S. Baker et al. A database and evaluation methodology for optical flow. 60
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
61. Финальная модель
Финальный этап — минимизация энергии:
L. Xu et al. A segmentation based variational model for accurate optical 61
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
62. Ground truth
Последовательность «Teddy»
S. Baker et al. A database and evaluation methodology for optical flow. 62
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
63. Результат
Последовательность «Teddy»
S. Baker et al. A database and evaluation methodology for optical flow. 63
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
64. Ground truth
Последовательность «Mequon»
S. Baker et al. A database and evaluation methodology for optical flow. 64
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
65. Результат
Последовательность «Mequon»
S. Baker et al. A database and evaluation methodology for optical flow. 65
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
66. Ground truth
Последовательность «Schefflera»
S. Baker et al. A database and evaluation methodology for optical flow. 70
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
67. Результат
Последовательность «Schefflera»
S. Baker et al. A database and evaluation methodology for optical flow. 71
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
68. Результаты
ААЕ Army Mequon Schefflera Wooden Yosemite Teddy
Lucas & Kanade 13,9 24,1 20,9 22,2 6,41 25,6
Horn & Schunck 8,0 9,1 14,2 12,4 4,01 9,2
Bilateral — — — — 2,57 —
Segmentation 5,8 7,4 8,5 6,5 1,6 3,7
AEPE Army Mequon Schefflera Wooden Yosemite Teddy
Lucas & Kanade 0,39 1,67 1,50 1,57 0,30 3,80
Horn & Schunck 0,22 0,61 1,01 0,78 0,16 1,51
Segmentation 0,15 0,57 0,68 0,32 0,08 0,70
Производительность Конфигурация Время на один кадр, с
Bilateral CPU Intel Xeon 3,6 ГГц 4,0
Segmentation CPU Intel Core 2 Duo 2,4 ГГц 15,0
L. Xu et al. A segmentation based variational model for accurate optical 72
CS MSU Graphics & Media Lab (Video Group) flow estimation. ECCV, 2008.
69. Содержание
Введение
Классические методы
Билатеральная фильтрация
Сегментация
Временная корреляция
Заключение
73
CS MSU Graphics & Media Lab (Video Group)
70. Основные идеи
Особая функция штрафа
Анизотропное сглаживание поля
Построение optical flow на основе трѐх
кадров
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 74
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
71. Основа метода
Глобальный метод с применением L1-нормы:
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 75
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
72. Сглаживание
Исходный вариант сглаживания:
Анизотропия и изменѐнная функция штрафа:
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 76
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
73. Минимизация
Вводится вспомогательная переменная:
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 77
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
74. Минимизация
Шаг 1
Шаг 2
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 78
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
75. Multi-frame optical flow
Используются три последовательных кадра
Optical flow полагается симметричным
относительно центрального кадра
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 79
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
76. Исходная последовательность
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 80
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
77. Optical flow по двум кадрам
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 81
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
78. Optical flow по трѐм кадрам
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 82
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
79. Исходная последовательность
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 83
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
80. Optical flow по двум кадрам
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 84
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
81. Optical flow по трѐм кадрам
M. Werlberger et al. Anisotropic Huber-L1 optical flow. 85
CS MSU Graphics & Media Lab (Video Group) BMVC 2009.
82. Ground truth
Последовательность «Mequon»
S. Baker et al. A database and evaluation methodology for optical flow. 88
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
83. Результат
Последовательность «Mequon»
S. Baker et al. A database and evaluation methodology for optical flow. 89
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
84. Ground truth
Последовательность «Army»
S. Baker et al. A database and evaluation methodology for optical flow. 90
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
85. Результат
Последовательность «Army»
S. Baker et al. A database and evaluation methodology for optical flow. 91
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
86. Ground truth
Последовательность «Schefflera»
S. Baker et al. A database and evaluation methodology for optical flow. 94
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
87. Результат
Последовательность «Schefflera»
S. Baker et al. A database and evaluation methodology for optical flow. 95
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
88. Сравнение качества
ААЕ Army Mequon Schefflera Wooden Yosemite Teddy
Horn & Schunck 8,0 9,1 14,2 12,4 4,01 9,2
Bilateral — — — — 2,57 —
Segmentation 5,8 7,4 8,5 6,5 1,6 3,7
Aniso Huber-L1 3,7 4,4 6,9 3,5 3,4 3,2
AEPE Army Mequon Schefflera Wooden Yosemite Teddy
Horn & Schunck 0,22 0,61 1,01 0,78 0,16 1,51
Segmentation 0,15 0,57 0,68 0,32 0,08 0,70
Aniso Huber-L1 0,10 0,31 0,56 0,20 0,17 0,64
Производительность Конфигурация Время на один кадр, с
Bilateral CPU Intel Xeon 3,6 ГГц 4,0
Segmentation CPU Intel Core 2 Duo 2,4 ГГц 15,0
Aniso Huber-L1 GPU NVIDIA GTX 280 1,2
S. Baker et al. A database and evaluation methodology for optical flow. 96
CS MSU Graphics & Media Lab (Video Group) ICCV, 2007. http://vision.middlebury.edu/flow/
89. Содержание
Введение
Классические методы
Билатеральная фильтрация
Сегментация
Временная корреляция
Заключение
97
CS MSU Graphics & Media Lab (Video Group)
90. Заключение
Особенности современных методов
Использование глобальной модели
Анизотропия
Низкая стабильность по времени
Направления развития
Использование сегментации
Многокадровый optical flow
98
CS MSU Graphics & Media Lab (Video Group)
91. Список литературы
1. S. Baker et al. A database and evaluation methodology for optical
flow. ICCV, 2007. http://vision.middlebury.edu/flow/
2. J. Barron et al. Performance of optical flow techniques. International
Journal of Computer Vision, 1994.
3. J. Xiao et al. Bilateral filtering-based optical flow estimation with
occlusion detection. ECCV, 2006.
4. L. Xu et al. A segmentation based variational model for accurate
optical flow estimation. ECCV, 2008.
5. M. Werlberger et al. Anisotropic Huber-L1 optical flow. BMVC 2009.
99
CS MSU Graphics & Media Lab (Video Group)
92. Вопросы
?
100
CS MSU Graphics & Media Lab (Video Group)